科研产出
苹果任意姿态下高光谱图像感兴趣区域选取方法
《山东农业科学 》 2022 北大核心
摘要：针对实际生产线上基于高光谱成像技术检测苹果内部品质时由于高亮区、果梗和果萼等区域光谱差异大导致的糖度误差问题,本研究提出了一种随机姿态下苹果高光谱图像感兴趣区域的选取方法,可实现感兴趣区域的自动选取.该方法首先将高光谱图像各像素点按照700 nm波长的光谱强度值进行直方图统计,获取各像素点光谱强度的大小关系,保留光谱强度前40%的区域,对其进行形态学腐蚀操作,去除其中700 nm光谱强度值大于3900的过度曝光像素点,获得苹果原始感兴趣区域;然后基于原始感兴趣区域,建立不同大小感兴趣区域对应的平均光谱与苹果糖度的偏最小二乘回归(PLSR)模型,探究苹果感兴趣区域大小与预测精度的关系,进一步缩小感兴趣区域.最终选取原始感兴趣区域光谱强度前70%的区域作为感兴趣区域对任意姿态下的苹果糖度进行预测.基于该方法,建立了基于高光谱成像技术的苹果糖度无损检测模型,实测验证结果表明,经黑白校正、标准正态变换(SNV)预处理后建立的竞争性自适应重加权算法偏最小二乘回归模型(CARS-PLSR)的预测精度最高,其校正集决定系数(R2cv)为0.9206,校正集均方根误差(RM-SECV)为0.3203°Brix,测试集决定系数(R2p)为0.8664,测试集均方根误差(RMSEP)为0.4681°Brix,证明了该感兴趣区域选择方法的正确性和有效性.本研究结果可为基于高光谱成像技术的苹果在线分级系统的设计奠定理论基础,具有重要的实用价值.
关键词： 高光谱成像 感兴趣区域 苹果 任意姿态 糖度 形态学腐蚀
全文链接
请求原文
基于偏最小二乘法和深度学习的近红外糖度预测
《吉林农业大学学报 》 2021 北大核心 CSCD
摘要：为准确预测苹果糖度,基于傅里叶变换近红外光谱、偏最小二乘法和深度学习技术,建立了不同的苹果糖度预测模型。使用傅里叶变换近红外光谱仪和折光仪采集160个苹果的光谱与糖度信息,建立不同光谱预处理方法的偏最小二乘法（Partial least square, PLS）模型,通过常用的竞争性自适应重加权算法减少PLS模型计算量,对比得到最好的PLS模型预测精度;使用深度学习的MobileNetV2网络构建苹果糖度预测模型,调整最适合的模型构建参数。试验结果表明:经过标准正态变量变换（Standard normal variate, SNV）光谱预处理的PLS模型预测精度最高,其预测模型相关系数（RP）为0.933 3、均方根误差（RMSEP）为0.476 5°Brix,特征波长筛选可减少计算量,但会使预测模型精度稍微下降;经过数据增强处理的MobileNetV2模型可以获得一定的糖度预测精度,其RP为0.843 1、RMSEP为0.898 4°Brix。结果表明,基于深度学习的MobileNetV2网络结构训练得到的糖度预测模型具有一定的可行性,但SNV预处理的全波段PLS模型精度最高,PLS建模依然是小批量样本建模简单高效的方法。
关键词： 近红外光谱 糖度 偏最小二乘法 深度学习 MobileNetV2模型
全文链接
请求原文
苹果糖度无损检测模型研究
《中国农业信息 》 2018
摘要：【目的】对套袋和不套袋苹果分别建立反射光谱与糖度预测模型,并对模型的精度进行比较分析,为构建苹果品质分级系统提供理论支撑。【方法】采用美国ASD公司的便携式光谱仪和数显折光计分别测量套袋和不套袋烟富3号红富士苹果,以苹果赤道位置4个取样点的反射率光谱和对应位置的糖度为数据源,原始光谱经多元散射校正后,与糖度数据一同用偏最小二乘回归算法,分别建立套袋和不套袋苹果的反射率光谱糖度模型,进行糖度预测。【结果】(1)套袋苹果校正集相关系数Rc=0.76,均方根误差RMSEP=0.8375 Brix;预测集相关系数Rv=0.72,均方根误差RMSEP=0.8702 Brix;(2)不套袋苹果校正集相关系数Rc=0.69,均方根误差RMSEP=0.9040 Brix;预测集相关系数Rv=0.63,均方根误差RMSEP=0.9134 Brix。【结论】不套袋苹果的模型精度低于套袋苹果模型精度。相对复杂的表面情况导致不套袋苹果模型精度较差,不套袋苹果的无损检测误差会高于套袋苹果。
关键词： 苹果 套袋 不套袋 偏最小二乘回归 多元散射校正 糖度 无损检测
全文链接
请求原文
苹果糖度无损检测模型研究
《中国农业信息 》 2018
摘要：[目的]对套袋和不套袋苹果分别建立反射光谱与糖度预测模型,并对模型的精度进行比较分析,为构建苹果品质分级系统提供理论支撑.[方法]采用美国ASD公司的便携式光谱仪和数显折光计分别测量套袋和不套袋烟富3号红富士苹果,以苹果赤道位置4个取样点的反射率光谱和对应位置的糖度为数据源,原始光谱经多元散射校正后,与糖度数据一同用偏最小二乘回归算法,分别建立套袋和不套袋苹果的反射率光谱糖度模型,进行糖度预测.[结果](1)套袋苹果校正集相关系数Rc=0.76,均方根误差RMSEP=0.8375 Brix;预测集相关系数Rv=0.72,均方根误差RMSEP=0.8702 Brix;(2)不套袋苹果校正集相关系数Rc=0.69,均方根误差RMSEP=0.9040 Brix;预测集相关系数Rv=0.63,均方根误差RMSEP=0.9134 Brix.[结论]不套袋苹果的模型精度低于套袋苹果模型精度.相对复杂的表面情况导致不套袋苹果模型精度较差,不套袋苹果的无损检测误差会高于套袋苹果.
关键词： 苹果 套袋 不套袋 偏最小二乘回归 多元散射校正 糖度 无损检测
全文链接
请求原文
首页上一页1下一页尾页
